<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Si les données sont non négatives, vous pouvez utiliser la factorisation matricielle non négative pour regrouper les observations, les variables ou les deux. De par sa nature, le clustering NMF est axé sur les grandes valeurs. Notre idée est de normaliser les données, par exemple en soustrayant les moyennes ligne / colonne et en divisant la matrice en parties positives et négatives. La mise en cluster NMF appliquée aux données concaténées, «PosNegNMF», donne un poids égal aux valeurs grandes et petites. Cette approche, ainsi que de puissants outils de visualisation, est disponible dans JMP via notre plate-forme: factorisation matricielle inférentielle et robuste, irMF. Une démo automatisée légère est incluse avec les diapositives.
